💻 Category

bioinformatics

1243 artigos

A bioinformática une biologia e computação para desvendar os mistérios da vida através de dados. Nesta área, pesquisadores transformam sequências genéticas complexas em informações compreensíveis, permitindo descobertas rápidas sobre doenças, evolução e tratamentos personalizados sem depender apenas de laboratórios físicos.

No Gist.Science, processamos diariamente cada novo pré-publicação na categoria de bioinformática enviada pelo bioRxiv. Nosso compromisso é tornar esse conhecimento acessível, oferecendo tanto resumos em linguagem simples para o público geral quanto análises técnicas detalhadas para especialistas, garantindo que ninguém fique de fora das últimas inovações científicas.

Abaixo, você encontrará as últimas pesquisas publicadas nesta área, organizadas para facilitar sua leitura e compreensão dos avanços recentes.

RNAGAN: Train One and Get Four, Multipurpose Human RNA-Seq Analysis Tool with Enhanced Interpretability and Small Data Size Capability

O artigo apresenta o RNAGAN, uma ferramenta de inteligência artificial baseada em redes generativas adversariais que, após um único treinamento com grandes conjuntos de dados humanos, permite quatro aplicações distintas na análise de RNA-seq — incluindo estratificação de pacientes, identificação de marcadores, geração de dados sintéticos e vetorização — superando limitações de interpretabilidade e de tamanho de amostra.

HOU, Z., Lee, V. H.-F., Kwong, D. L.-W., Guan, X., Liu, Z., Dai, W.2026-03-20💻 bioinformatics

GenBio-PathFM: A State-of-the-Art Foundation Model for Histopathology

O artigo apresenta o GenBio-PathFM, um modelo de fundação de 1,1 bilhão de parâmetros que alcança desempenho de última geração em benchmarks de histopatologia ao utilizar exclusivamente dados públicos e uma estratégia de aprendizado inovadora (JEDI) combinada com uma curadoria automatizada de dados focada na diversidade morfológica, superando modelos anteriores que dependiam de grandes conjuntos de dados proprietários.

Kapse, S., Aygün, M., Cole, E., Lundberg, E., Song, L., Xing, E. P.2026-03-20💻 bioinformatics

Enhancing non-local interaction modeling for ab initio biomolecular calculations and simulations with ViSNet-PIMA

O estudo apresenta o ViSNet-PIMA, um novo campo de força baseado em aprendizado de máquina que utiliza um agregador multipolar informado por física para modelar com precisão interações não locais em biomoléculas, superando os métodos atuais e reduzindo significativamente os erros de cálculo em simulações de dinâmica molecular *ab initio*.

Cui, T., Wang, Z., Wang, T.2026-03-20💻 bioinformatics

Computational Prediction of Plasmodium falciparum Antigen-T-cell Receptor Interactions via Molecular Docking: Implications for Malaria Vaccine Design

Este estudo utiliza modelagem computacional e docking molecular para identificar os antígenos PfCyRPA, PfMSP10 e PfCSP como os principais candidatos para o desenvolvimento de uma vacina contra a malária, baseando-se na sua forte interação com receptores de células T humanas.

Kipkoech, G., Kanda, W., Irungu, B., Nyangi, M., Kimani, C., Nyangacha, R., Keter, L., Atieno, D., Gathirwa, J., Kigondu, E., Murungi, E.2026-03-20💻 bioinformatics

A Multi-Dataset Transcriptomic Analysis Unravels Core Mechanisms Involving Vitamin D Metabolism and Inflammatory Pathways for Frailty Diagnosis.

Este estudo utiliza análises bioinformáticas de múltiplos conjuntos de dados transcriptômicos para identificar assinaturas moleculares robustas, revelando que desordens no metabolismo da vitamina D e vias inflamatórias são características centrais da fragilidade e servem como promissores biomarcadores para diagnóstico precoce e desenvolvimento de terapias.

Hu, X., Zheng, W., Li, Y., Zhou, D.2026-03-20💻 bioinformatics

CliPepPI: Scalable prediction of domain-peptide specificityusing contrastive learning

O artigo apresenta o CLIPepPI, um modelo escalável baseado em aprendizado contrastivo que utiliza embeddings de linguagem proteica e informações estruturais para prever com precisão a especificidade das interações entre domínios e peptídeos, superando limitações de dados e permitindo análises proteômicas em larga escala.

Hochner-Vilk, T., Stein, D., Schueler-Furman, O., Raveh, B., Chook, Y. M., Schneidman-Duhovny, D.2026-03-20💻 bioinformatics

Differentiable Gene Set Enrichment Analysis for Pathway-Level Supervision in Transcriptomic Learning

Este artigo apresenta o dGSEA, uma abordagem de análise de enriquecimento de conjuntos gênicos diferenciável que substitui as operações de classificação discretas por aproximações suaves e normalização robusta, permitindo a otimização direta de objetivos baseados em vias biológicas em modelos de aprendizado de transcriptômica e melhorando a concordância com resultados clássicos de GSEA sem comprometer o desempenho na previsão de genes individuais.

Li, S., Ruan, Y., Yang, X., Wen, Z., Saigo, H.2026-03-20💻 bioinformatics